| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-18页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·单摄像机视域行人检测现状 | 第12-14页 |
| ·单摄像机视域目标跟踪研究现状 | 第14-15页 |
| ·视域盲区行人匹配研究现状 | 第15-16页 |
| ·创新点及整体框架结构 | 第16-18页 |
| ·本文的创新点 | 第16页 |
| ·本文的整体框架结构 | 第16-18页 |
| 2 单摄像机运动行人检测 | 第18-27页 |
| ·基于HOG特征和SVM的行人检测算法 | 第18-22页 |
| ·HOG特征提取算法 | 第18-20页 |
| ·SVM分类器训练过程 | 第20-21页 |
| ·行人检测过程 | 第21-22页 |
| ·基于判别训练部件模型的行人检测算法 | 第22-26页 |
| ·特征模型的建立 | 第22-23页 |
| ·判别训练部件模型 | 第23-25页 |
| ·LSVM训练过程 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于改进的Heaviside核函数目标模型跟踪算法 | 第27-40页 |
| ·目标跟踪概述 | 第27-28页 |
| ·基于颜色特征的Mean-shift目标跟踪算法 | 第28-29页 |
| ·基于颜色纹理直方图的目标跟踪 | 第29-31页 |
| ·基于改进的Heaviside核函数的目标追踪 | 第31-35页 |
| ·Heaviside核函数的定义 | 第31-32页 |
| ·基于Heaviside核函数的新的目标模型 | 第32-35页 |
| ·实验结果分析 | 第35-39页 |
| ·单目标跟踪结果分析 | 第36-38页 |
| ·多行人跟踪结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 跨摄像头视域盲区行人匹配的研究 | 第40-54页 |
| ·行人特征模型的建立 | 第40-45页 |
| ·基于颜色特征模型的建立 | 第40-42页 |
| ·基于SIFT特征模型的建立 | 第42-44页 |
| ·基于纹理特征模型的建立 | 第44-45页 |
| ·特征模型的相似度测量 | 第45-48页 |
| ·Bin-to-bin距离 | 第45-46页 |
| ·Cross-bin距离 | 第46页 |
| ·Diffusion距离 | 第46-48页 |
| ·基于融合特征跨视域盲区行人匹配算法 | 第48-53页 |
| ·加权HSV直方图 | 第48-49页 |
| ·局部RBG直方图 | 第49-50页 |
| ·HOG描述子 | 第50-51页 |
| ·行人匹配原理 | 第51-52页 |
| ·实验结果分析 | 第52-53页 |
| ·结论 | 第53-54页 |
| 5 基于最佳组合特征的跨盲区行人匹配 | 第54-66页 |
| ·图像分块特征提取及组合 | 第55-59页 |
| ·Hue分量上的图像分块及特征提取 | 第55-56页 |
| ·Hue分量上的COLOR图像分块特征 | 第56页 |
| ·Hue分量上的SIFT图像分块特征 | 第56-58页 |
| ·Hue分量上LBP图像分块特征 | 第58-59页 |
| ·行人特征的相似度计算 | 第59-60页 |
| ·基于最佳组合特征匹配算法的实验结果与分析 | 第60-63页 |
| ·单一特征和组合特征的比较 | 第60-61页 |
| ·单摄像机行人之间的匹配 | 第61-62页 |
| ·视域盲区行人之间的匹配 | 第62-63页 |
| ·组合算法的评估 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |